慢性肾脏病已成为全球重大公共卫生问题，疾病负担重、预后差。高血糖是导致肾损伤的关键危险因素，老年人群患病风险显著升高，早期识别与干预可有效延缓疾病进展。现有CKD预测模型多局限于糖尿病人群，缺乏对糖尿病前期人群的覆盖，且缺少外部验证与社区应用证据，难以满足基层防控需求。同济大学医学院、附属养志康复医院张丽娟团队基于多中心前瞻性社区队列，构建可解释的机器学习预测模型，旨在为社区高血糖老年人提供精准的CKD早筛工具。目前相关成果已发表在Taylor & Francis旗下优质国际期刊 Renal Failure。

Machine learning prediction of CKD progression in hyperglycemic elderly adults: a prospective community cohort study

作者：Zhongqing Zhou, Fei Sheng, Jiazhe Hou, Jing Yang, Dongjian Xu, Zhiping Shen, Hengjing Wu* & Lijuan Zhang*

DOI：10.1080/0886022X.2026.2648313

研究为多中心前瞻性队列研究，纳入上海4个独立社区60岁及以上高血糖人群，基线排除CKD与恶性肿瘤患者。合并3个社区的数据进行建模和内部验证（80%训练、20%内部验证），剩下1个社区为外部验证集。采用Boruta算法与LASSO回归筛选预测因子，构建Logistic回归、KNN、随机森林、LightGBM、XGBoost五种模型，以区分度、校准度、临床收益等评估性能并确定最优模型，并用SHAP进行模型解释。

训练集8815例、内部验证2202例、外部验证4561例，CKD发生率分别为9.48%、9.45%、10.79%。筛选确定10项核心预测指标，XGBoost模型表现最优，训练、内部、外部验证AUC分别为0.905、0.809、0.837，校准度与临床净收益良好。SHAP分析显示，血清肌酐、年龄、血红蛋白为关键预测因子。风险分层显示，预测概率为低危（0%–5%）、中危（5%–25%）、高危（＞25%）的实际CKD发生率分别为0.7%、9.9%、55.5%（P＜0.001），敏感性分析证实模型结果稳健。

模型网页部署在：https://zhouzhongqing.shinyapps.io/CKDPredictor/ 。

团队成功构建并外部验证了适用于社区高血糖老年人群的CKD风险预测模型，XGBoost模型预测效能优异、可解释性强，可精准识别高危个体。该模型基于常规体检指标，易于在社区落地使用，可实现早期风险分层与靶向干预，对降低老年高血糖人群CKD疾病负担具有一定的临床与公共卫生价值。

【新声】栏目致力于以挖掘科研领域的新兴脉动、传播创新研究成果为核心，集结中国作者的最新研究成果和一手见解，为科研界源源不断地注入新鲜活力与独特视角。我们期待构建一个互动交流的学术社区，鼓励多元视角的碰撞与融合，扩大中国学者卓越成果的全球影响力，共同推动科研事业的发展。